近些年,在人工智能、计算机视觉等技术的迅速发展下,包含无人车在内的移动机器人得到了充分的技术支撑。在移动机器人上部署实时定位与建图系统越来越重要,这是高智能化程度的移动机器人完成人机交互、决策规划和运动控制等任务的基础。然而,在缺少GPS、北斗等全局位置信号或信号较弱的情况下,基于单一传感器的SLAM算法受到场景纹理信息、光照条件、运动控制和传感器视角的约束,即便融合惯性传感器（Inertial Measurement Unit,IMU）,在定位精度、建图效果和鲁棒性方面均存在不足之处,难以应对实际场景的应用需求。本文设计了一种多线激光雷达和双向视觉融合的位姿估计方法DV-LIO（Dual Vision Li DAR Inertial Odometry）,由激光惯性模块和视觉惯性模块组成,结合了VIO模块的效率和激光雷达帧图匹配的准确性。针对单目尺度问题,利用激光点云辅助恢复视觉特征点的深度信息,并由激光惯性模块辅助单目视觉初始化。前后双向视觉分别与IMU进行紧耦合优化,并将估计的两个状态通过加权融合得到视觉里程计。视觉里程计可作为激光里程计的先验,以提高激光点云配准的精度。视觉闭环检测采用DBo W2方法实现,检测结果由激光惯性模块进行二次确认,减少重复检测和误检的情况,而激光雷达则基于关键帧位姿,采用近邻检测的方式进行闭环检测。通过联合激光里程计约束、视觉里程计约束、IMU约束和闭环约束进行因子图优化,得到高精度且鲁棒的位姿估计,并在此基础上构建全局一致的三维稠密点云地图。为了提高在已知地图下定位的精度和实时性,可通过模式切换,在先验地图下融合多传感器进行定位。在公共数据集KITTI、M2DGR以及自制的数据集上,将本文算法与Le GO-LOAM、LIO-SAM、VINS-Mono、ORB-SLAM3-stereo,以及激光视觉融合的SLAM算法进行对比。实验结果表明,本文算法所得的平均位置误差较小,并且在弱纹理和夜晚的场景下,仍具有较高的定位精度和鲁棒性。